英伟达Alpamayo 2模型助推L4自动驾驶研发

英伟达推出 Alpamayo 2 Super 开源推理模型，加速 L4 自动驾驶研发

英伟达近日发布了 Alpamayo 2 Super，一款拥有 320 亿参数的视觉-语言-动作（VLA）推理模型。该模型旨在简化企业在研发 L4 级自动驾驶出租车时所需的核心基础设施搭建工作，显著加速自动驾驶车辆的开发进程。Alpamayo 2 Super 具备类人化的感知、推理和行动能力，并强调其可解释性，以满足安全验证和监管合规的要求。

为支撑 Alpamayo 2 Super 的训练与部署，英伟达同步推出了多项配套工具与技术。其中包括支持闭环强化学习的 NVIDIA AlpaGym 平台，能够让模型在仿真环境中持续进行“决策-感知”循环学习，从而暴露静态数据集难以发现的累积误差与极端场景故障。此外，NVIDIA OmniDreams 被设计为可生成逼真场景的世界模型，支持大规模仿真各类罕见及长尾驾驶场景。NVIDIA Omniverse NuRec 模型则能基于真实车队行驶场景进行仿真，并批量生成合成训练数据，显著提升开发者效率和数据处理效率。

Alpamayo 2 Super 在核心功能上实现了显著提升：参数规模从前代的 100 亿增至 320 亿，全面增强了模型在长尾场景下的逻辑推理、三维空间感知与轨迹预测能力。其感知能力升级为 360 度全景环境感知，覆盖车辆四周视野，为变道、并线、路口通行等操作提供更完整的信息。模型新增了元动作输出能力，能够预判礼让、变道、停车等高层级驾驶动作，为后续规划模块提供依据。推理式自动标注功能结合二维目标定位，可产出高质量推理标注数据，将标注周期从数月缩短至数日。同时，模型在因果链溯源能力和轨迹生成质量上也得到了显著优化，特别是在应对罕见、复杂及长尾场景方面。

Alpamayo 2 Super 定位为教师模型，可经由知识蒸馏压缩为轻量化模型，部署于英伟达 DRIVE Hyperion 旗下的车载自动驾驶主控芯片 DRIVE AGX Thor 上。英伟达创始人兼首席执行官黄仁勋指出，Alpamayo 系列的迭代升级，使得汽车具备自主推理能力，不再局限于单纯行驶。英伟达正通过提供开源模型、仿真工具、真实场景数据和智能体能力，赋能 L4 自动驾驶的研发与规模化部署。

Alpamayo 系列模型近期荣获了台北国际电脑展（COMPUTEX）最佳选择奖，其开源平台下载量已接近 40 万次。Alpamayo 2 Super 的推理代码预计于今年夏季上线 GitHub，模型权重则将同步发布在 Hugging Face 平台。

英伟达推出了 Alpamayo 2 Super 开源推理模型，旨在加速 L4 级自动驾驶的研发与部署。该模型是 Alpamayo 系列的最新迭代，参数规模从前代的 100 亿提升至 320 亿，显著增强了在长尾场景下的逻辑推理、三维空间感知和轨迹预测能力。Alpamayo 2 Super 不再局限于轨迹生成，而是能够完成整套驾驶系统的推理、规划与执行，支持逻辑推理、自动标注、场景理解、模型评估以及大模型知识蒸馏等多种任务，为实现可规模化落地的 L4 级自动驾驶奠定基础。

此次更新不仅提升了模型的参数规模，还引入了全车环视感知能力，从传统的前置摄像头升级为 360 度全景环境感知，覆盖车辆的前、侧、后方视野，为变道、并线、路口通行等操作提供更全面的环境信息，从而提升行驶安全性。此外，新增的元动作输出能力支持礼让、变道、停车等高层级驾驶动作的预判，模型能够输出高阶驾驶决策，为后续规划模块提供依据。推理式自动标注功能结合二维目标定位，能够产出高质量的推理标注数据，将标注周期从数月缩短至数日，大幅优化了自动驾驶数据链路的成本与效率。模型在因果链溯源和轨迹生成质量方面也得到显著提升，能更好地应对罕见、复杂及长尾场景。